Home

Row

Introdução

Os dados dessa painel de controle foram oriundos de pesquisas realizadas pelos alunos de Relações Públicas do período Matutino e Noturno e dos alunos de Geografia Matutino e Noturno. Ao todo, 185 pessoas foram entrevistas em relação à idade, sexo, nível de escolaridade, peso, altura, profissão e algumas outras variáveis, como renda fixa mensal e consumo de água.

Row

Contribuição

Contato

Prof. Msc. Gabriel Danilo Shimizu

e-mail:

Departamento de estatística, Centro de Ciências Exatas

Conjunto de dados

Conjunto de dados coletados pelos alunos de Geografia e Relações Públicas

Sexo e escolaridade

Row

Frequência de pessoas por sexo

Somando-se os dados oriundos das pessoas entrevistadas pelos alunos da Geografia matutino, geografia noturno, relações públicas matutino e relações públicas noturno, foi coletado 185 pessoas, sendo 105 do sexo Feminino e 80 do sexo masculino.

Frequência de pessoas por escolaridade

Do total de pessoas, 22 possuem Ensino Fundamental Completo, 15 possuem Ensino Fundamental Incompleto, 17 possuem Ensino Médio Completo, 10 possuem Ensino Médio Incompleto, 51 possuem Ensino Superior Completo, 48 possuem Ensino Superior Incompleto e 22 possuem Pós-Graduação.

Row

Frequência de pessoas por sexo

Frequência de pessoas por Escolaridade

Profissão

Row

Frequência de pessoas por profissão

Local de Nascimento

Row

Frequência de pessoas por local de nascimento

Altura

Row

Geral

Média Desvio-padrão Variância CV(%)
168.01 9.72 94.5 5.79

Por sexo

Média Desvio-padrão Variância CV(%)
Feminino 162.89 7.16 51.24 4.40
Masculino 174.74 8.48 71.92 4.85

Row

Por profissão

Média Desvio-padrão Variância CV(%)
Advogada 169.50 0.71 0.50 0.42
Agricultor 168.00 5.20 27.00 3.10
Analista de Artes Gráficas 175.00 NA NA NA
Analista de Campanhas Digitais 168.00 NA NA NA
Analista de sistema 165.00 7.07 50.00 4.28
Aposentado 165.20 7.39 54.62 4.47
Arquiteto 182.00 NA NA NA
Artesã 160.00 NA NA NA
Assessor/Foto jornalista 180.00 NA NA NA
Assistente de marketing 157.00 NA NA NA
Assistente de RH 174.00 NA NA NA
Assistente financeiro 169.00 NA NA NA
Atendente 168.67 11.93 142.33 7.07
Autônoma 161.00 8.54 73.00 5.30
Auxiliar administrativo 164.00 NA NA NA
Auxiliar de almoxarifado 190.00 NA NA NA
Auxiliar de Convênio empresarial 155.00 NA NA NA
Auxiliar de escritório 168.75 9.29 86.25 5.51
Auxiliar de faturamento 168.00 NA NA NA
Auxiliar de Serviços Gerais 152.00 NA NA NA
Auxiliar Serviços Gerais 155.00 NA NA NA
Balconista 154.00 NA NA NA
Bancária 161.00 NA NA NA
Barbeiro 178.33 3.51 12.33 1.97
Cabelereiro 160.00 NA NA NA
Carpinteiro 184.00 NA NA NA
Confeiteira 165.00 NA NA NA
Consultora comercial 173.00 NA NA NA
Contadora 160.00 NA NA NA
Controle de qualidade 165.00 NA NA NA
Coordenador de Departamento 185.00 NA NA NA
Coordenador de logística 171.00 8.49 72.00 4.96
Corretor imóveis 166.50 16.26 264.50 9.77
Desempregado 166.00 8.34 69.60 5.02
Desenvolvedor de soluções p/ desenvolvimentos 170.00 NA NA NA
Diarista 165.00 7.07 50.00 4.28
Do lar 160.00 NA NA NA
Empresário 172.33 6.89 47.47 4.00
Encarregado de obras 180.00 NA NA NA
Enfermeira 168.00 NA NA NA
Estagiária 165.60 4.62 21.30 2.79
Estudante 166.92 14.18 201.04 8.50
Fotografo 175.00 NA NA NA
Funcionário Publico 170.00 NA NA NA
Funcionário Público 173.50 15.78 249.00 9.10
Gerente 180.00 NA NA NA
Gestor de estoque 185.00 NA NA NA
Gestora comercial 153.00 NA NA NA
Inspetora de qualidade 160.00 NA NA NA
Jornalista 162.00 NA NA NA
Marinheiro Mercante 190.00 NA NA NA
Massoterapêuta 154.00 NA NA NA
Mestre de obra 167.00 NA NA NA
Motorista 169.00 3.61 13.00 2.14
Operador de caixa 162.00 NA NA NA
Operador de Caixa 154.00 NA NA NA
Operador de sistema 169.00 NA NA NA
Padeiro 171.00 1.41 2.00 0.82
Personal Trainer 168.00 NA NA NA
Pesquisador 165.00 NA NA NA
Professor 170.67 17.79 316.33 10.42
Professora 162.50 9.19 84.50 5.66
Psicologa 169.50 0.71 0.50 0.42
Recrutadora 173.00 NA NA NA
Representante Comercial 177.00 NA NA NA
Secretária 170.00 4.24 18.00 2.49
Serviços gerais 160.00 NA NA NA
Social Media 159.00 8.49 72.00 5.34
SOS 165.00 NA NA NA
Supervisor carga e descarga 163.00 NA NA NA
Tratador de equinos 175.00 NA NA NA
Vendedor 169.29 11.88 141.24 7.02

Nível de escolaridade

Média Desvio-padrão Variância CV(%)
Ensino Fundamental Completo 163.45 12.66 160.26 7.75
Ensino Fundamental Incompleto 163.13 9.01 81.27 5.52
Ensino Médio Completo 171.65 9.41 88.49 5.48
Ensino Médio Incompleto 172.40 8.25 68.04 4.79
Ensino Superior Completo 168.04 8.34 69.60 4.96
Ensino Superior Incompleto 168.27 9.13 83.35 5.43
Pós-Graduação 170.45 9.98 99.69 5.86

Idade

Row

Geral

Média Desvio-padrão Variância CV(%)
37.75 17.43 303.83 46.17

Por sexo

Média Desvio-padrão Variância CV(%)
Feminino 37.39 16.47 271.41 44.05
Masculino 38.23 18.71 349.95 48.94

Row

Por profissão

Média Desvio-padrão Variância CV(%)
Advogada 37.50 17.68 312.50 47.15
Agricultor 60.33 21.13 446.33 35.02
Analista de Artes Gráficas 50.00 NA NA NA
Analista de Campanhas Digitais 23.00 NA NA NA
Analista de sistema 39.00 9.90 98.00 25.38
Aposentado 69.60 9.00 80.93 12.93
Arquiteto 53.00 NA NA NA
Artesã 53.00 NA NA NA
Assessor/Foto jornalista 24.00 NA NA NA
Assistente de marketing 23.00 NA NA NA
Assistente de RH 21.00 NA NA NA
Assistente financeiro 37.00 NA NA NA
Atendente 24.67 8.02 64.33 32.51
Autônoma 51.33 11.02 121.33 21.47
Auxiliar administrativo 46.00 NA NA NA
Auxiliar de almoxarifado 24.00 NA NA NA
Auxiliar de Convênio empresarial 22.00 NA NA NA
Auxiliar de escritório 27.75 12.18 148.25 43.89
Auxiliar de faturamento 20.00 NA NA NA
Auxiliar de Serviços Gerais 49.00 NA NA NA
Auxiliar Serviços Gerais 38.00 NA NA NA
Balconista 57.00 NA NA NA
Bancária 26.00 NA NA NA
Barbeiro 39.33 7.51 56.33 19.09
Cabelereiro 50.00 NA NA NA
Carpinteiro 42.00 NA NA NA
Confeiteira 56.00 NA NA NA
Consultora comercial 43.00 NA NA NA
Contadora 62.00 NA NA NA
Controle de qualidade 47.00 NA NA NA
Coordenador de Departamento 19.00 NA NA NA
Coordenador de logística 36.00 12.73 162.00 35.36
Corretor imóveis 40.00 11.31 128.00 28.27
Desempregado 30.67 13.46 181.07 43.89
Desenvolvedor de soluções p/ desenvolvimentos 29.00 NA NA NA
Diarista 53.50 3.54 12.50 6.62
Do lar 61.00 NA NA NA
Empresário 49.33 9.56 91.47 19.38
Encarregado de obras 30.00 NA NA NA
Enfermeira 55.00 NA NA NA
Estagiária 20.80 1.10 1.20 5.29
Estudante 18.29 3.69 13.61 20.17
Fotografo 22.00 NA NA NA
Funcionário Publico 36.00 NA NA NA
Funcionário Público 42.50 11.12 123.67 26.16
Gerente 44.00 NA NA NA
Gestor de estoque 23.00 NA NA NA
Gestora comercial 21.00 NA NA NA
Inspetora de qualidade 37.00 NA NA NA
Jornalista 26.00 NA NA NA
Marinheiro Mercante 29.00 NA NA NA
Massoterapêuta 54.00 NA NA NA
Mestre de obra 47.00 NA NA NA
Motorista 51.67 3.21 10.33 6.21
Operador de caixa 43.00 NA NA NA
Operador de Caixa 38.00 NA NA NA
Operador de sistema 25.00 NA NA NA
Padeiro 46.50 28.99 840.50 62.34
Personal Trainer 33.00 NA NA NA
Pesquisador 25.00 NA NA NA
Professor 44.67 11.93 142.33 26.71
Professora 39.50 16.26 264.50 41.16
Psicologa 42.00 21.21 450.00 50.50
Recrutadora 22.00 NA NA NA
Representante Comercial 50.00 NA NA NA
Secretária 38.00 2.83 8.00 7.45
Serviços gerais 54.00 NA NA NA
Social Media 20.50 0.71 0.50 3.46
SOS 53.00 NA NA NA
Supervisor carga e descarga 29.00 NA NA NA
Tratador de equinos 19.00 NA NA NA
Vendedor 43.00 17.03 290.00 39.60

Nível de escolaridade

Média Desvio-padrão Variância CV(%)
Ensino Fundamental Completo 46.09 20.13 405.23 43.68
Ensino Fundamental Incompleto 53.13 20.40 415.98 38.40
Ensino Médio Completo 40.71 11.88 141.22 29.18
Ensino Médio Incompleto 41.70 27.51 756.90 65.97
Ensino Superior Completo 39.06 15.21 231.42 38.94
Ensino Superior Incompleto 24.19 7.81 60.92 32.29
Pós-Graduação 41.41 12.85 165.21 31.03

Peso

Row

Geral

Média Desvio-padrão Variância CV(%)
73.47 14.3 204.43 19.46

Por sexo

Média Desvio-padrão Variância CV(%)
Feminino 67.89 12.23 149.49 18.01
Masculino 80.79 13.55 183.61 16.77

Row

Por profissão

Média Desvio-padrão Variância CV(%)
Advogada 64.00 8.49 72.00 13.27
Agricultor 94.33 12.10 146.33 12.83
Analista de Artes Gráficas 80.00 NA NA NA
Analista de Campanhas Digitais 64.00 NA NA NA
Analista de sistema 83.00 21.21 450.00 25.55
Aposentado 78.60 10.54 111.16 13.41
Arquiteto 90.00 NA NA NA
Artesã 66.00 NA NA NA
Assessor/Foto jornalista 88.00 NA NA NA
Assistente de marketing 65.00 NA NA NA
Assistente de RH 88.00 NA NA NA
Assistente financeiro 53.00 NA NA NA
Atendente 73.00 15.72 247.00 21.53
Autônoma 81.67 4.73 22.33 5.79
Auxiliar administrativo 67.00 NA NA NA
Auxiliar de almoxarifado 64.00 NA NA NA
Auxiliar de Convênio empresarial 67.00 NA NA NA
Auxiliar de escritório 73.50 16.05 257.67 21.84
Auxiliar de faturamento 48.00 NA NA NA
Auxiliar de Serviços Gerais 64.00 NA NA NA
Auxiliar Serviços Gerais 56.00 NA NA NA
Balconista 75.00 NA NA NA
Bancária 58.00 NA NA NA
Barbeiro 89.00 6.56 43.00 7.37
Cabelereiro 61.00 NA NA NA
Carpinteiro 89.00 NA NA NA
Confeiteira 68.00 NA NA NA
Consultora comercial 66.00 NA NA NA
Contadora 60.00 NA NA NA
Controle de qualidade 89.00 NA NA NA
Coordenador de Departamento 68.00 NA NA NA
Coordenador de logística 87.00 5.66 32.00 6.51
Corretor imóveis 72.50 3.54 12.50 4.88
Desempregado 63.50 11.47 131.50 18.06
Desenvolvedor de soluções p/ desenvolvimentos 89.00 NA NA NA
Diarista 87.50 24.75 612.50 28.29
Do lar 60.00 NA NA NA
Empresário 92.08 10.49 110.04 11.39
Encarregado de obras 70.00 NA NA NA
Enfermeira 56.00 NA NA NA
Estagiária 66.30 17.65 311.45 26.62
Estudante 66.78 18.13 328.52 27.15
Fotografo 60.00 NA NA NA
Funcionário Publico 110.00 NA NA NA
Funcionário Público 83.25 16.24 263.58 19.51
Gerente 90.00 NA NA NA
Gestor de estoque 65.00 NA NA NA
Gestora comercial 50.00 NA NA NA
Inspetora de qualidade 68.00 NA NA NA
Jornalista 63.00 NA NA NA
Marinheiro Mercante 95.00 NA NA NA
Massoterapêuta 47.00 NA NA NA
Mestre de obra 68.00 NA NA NA
Motorista 76.67 9.07 82.33 11.83
Operador de caixa 65.00 NA NA NA
Operador de Caixa 55.00 NA NA NA
Operador de sistema 84.00 NA NA NA
Padeiro 82.00 2.83 8.00 3.45
Personal Trainer 74.00 NA NA NA
Pesquisador 63.00 NA NA NA
Professor 72.67 10.79 116.33 14.85
Professora 72.00 11.31 128.00 15.71
Psicologa 75.00 8.49 72.00 11.32
Recrutadora 67.00 NA NA NA
Representante Comercial 95.00 NA NA NA
Secretária 61.50 4.95 24.50 8.05
Serviços gerais 95.00 NA NA NA
Social Media 64.00 5.66 32.00 8.84
SOS 69.00 NA NA NA
Supervisor carga e descarga 64.00 NA NA NA
Tratador de equinos 75.00 NA NA NA
Vendedor 73.57 9.38 87.95 12.75

Nível de escolaridade

Média Desvio-padrão Variância CV(%)
Ensino Fundamental Completo 69.91 14.98 224.28 21.43
Ensino Fundamental Incompleto 73.93 13.56 183.92 18.34
Ensino Médio Completo 80.47 16.81 282.64 20.89
Ensino Médio Incompleto 74.10 8.67 75.21 11.70
Ensino Superior Completo 73.61 13.74 188.72 18.67
Ensino Superior Incompleto 69.35 13.30 176.96 19.18
Pós-Graduação 79.66 14.80 219.13 18.58

Renda Mensal

Row

Geral

Média Desvio-padrão Variância CV(%)
3898.96 4294.64 18443931 110.15

Por sexo

Média Desvio-padrão Variância CV(%)
Feminino 3310.89 4106.54 16863661 124.03
Masculino 4497.72 4435.23 19671230 98.61

Row

Por profissão

Média Desvio-padrão Variância CV(%)
Advogada 5269.50 2447.30 5989260.50 46.44
Agricultor 1561.00 0.00 0.00 0.00
Analista de Artes Gráficas 4000.00 NA NA NA
Analista de Campanhas Digitais NaN NA NA NA
Analista de sistema 7058.00 2746.40 7542728.00 38.91
Aposentado 5363.54 7181.22 51569886.89 133.89
Arquiteto 10000.00 NA NA NA
Artesã 1295.00 NA NA NA
Assessor/Foto jornalista 4589.00 NA NA NA
Assistente de marketing NaN NA NA NA
Assistente de RH NaN NA NA NA
Assistente financeiro 1926.00 NA NA NA
Atendente 2330.67 1445.69 2090021.33 62.03
Autônoma 1850.00 1626.35 2645000.00 87.91
Auxiliar administrativo 2100.00 NA NA NA
Auxiliar de almoxarifado 1424.00 NA NA NA
Auxiliar de Convênio empresarial NaN NA NA NA
Auxiliar de escritório 1436.25 0.00 0.00 0.00
Auxiliar de faturamento NaN NA NA NA
Auxiliar de Serviços Gerais NaN NA NA NA
Auxiliar Serviços Gerais 1600.00 NA NA NA
Balconista NaN NA NA NA
Bancária 3000.00 NA NA NA
Barbeiro 5530.00 4229.98 17892700.00 76.49
Cabelereiro 8000.00 NA NA NA
Carpinteiro 12000.00 NA NA NA
Confeiteira 2500.00 NA NA NA
Consultora comercial NaN NA NA NA
Contadora 4000.00 NA NA NA
Controle de qualidade NaN NA NA NA
Coordenador de Departamento 2200.00 NA NA NA
Coordenador de logística 4916.00 0.00 0.00 0.00
Corretor imóveis 4100.00 565.69 320000.00 13.80
Desempregado 1775.00 1732.41 3001250.00 97.60
Desenvolvedor de soluções p/ desenvolvimentos 5925.91 NA NA NA
Diarista 1169.00 0.00 0.00 0.00
Do lar 600.00 NA NA NA
Empresário 9769.67 8034.23 64548880.67 82.24
Encarregado de obras 2758.00 NA NA NA
Enfermeira 2000.00 NA NA NA
Estagiária 925.00 217.94 47500.00 23.56
Estudante 866.67 986.58 973333.33 113.84
Fotografo 1800.00 NA NA NA
Funcionário Publico 8000.00 NA NA NA
Funcionário Público 3307.00 2796.40 7819865.33 84.56
Gerente NaN NA NA NA
Gestor de estoque 1993.00 NA NA NA
Gestora comercial NaN NA NA NA
Inspetora de qualidade 2500.00 NA NA NA
Jornalista 2000.00 NA NA NA
Marinheiro Mercante 15000.00 NA NA NA
Massoterapêuta 4000.00 NA NA NA
Mestre de obra 4548.00 NA NA NA
Motorista 1932.50 95.46 9112.50 4.94
Operador de caixa 1513.00 NA NA NA
Operador de Caixa 15000.00 NA NA NA
Operador de sistema 700.00 NA NA NA
Padeiro 1603.27 136.80 18713.39 8.53
Personal Trainer 1000.00 NA NA NA
Pesquisador 3266.00 NA NA NA
Professor 8166.67 6331.14 40083333.33 77.52
Professora 2500.00 0.00 0.00 0.00
Psicologa 2660.00 0.00 0.00 0.00
Recrutadora 2000.00 NA NA NA
Representante Comercial 4000.00 NA NA NA
Secretária 2500.00 NA NA NA
Serviços gerais 1255.00 NA NA NA
Social Media 1800.00 NA NA NA
SOS 1500.00 NA NA NA
Supervisor carga e descarga 2200.00 NA NA NA
Tratador de equinos 1405.40 NA NA NA
Vendedor 3561.14 3748.99 14054935.81 105.27

Nível de escolaridade

Média Desvio-padrão Variância CV(%)
Ensino Fundamental Completo 5680.00 5193.15 26968857.1 91.43
Ensino Fundamental Incompleto 1585.49 357.03 127472.6 22.52
Ensino Médio Completo 1656.42 460.14 211729.6 27.78
Ensino Médio Incompleto 1578.47 NA NA NA
Ensino Superior Completo 4034.16 4679.56 21898290.0 116.00
Ensino Superior Incompleto 2774.98 3587.31 12868771.3 129.27
Pós-Graduação 5393.81 4536.80 20582539.9 84.11

Consumo de água

Row

Geral

Média Desvio-padrão Variância CV(%)
13.65 5.32 28.3 38.97

Por sexo

Média Desvio-padrão Variância CV(%)
Feminino 12.88 5.57 30.99 43.25
Masculino 14.84 4.88 23.85 32.88

Row

Por profissão

Nota: Os alunos que coletaram dados de consumo de água não coletaram a informação de profissão.

Média Desvio-padrão Variância CV(%)
Advogada NaN NA NA NA
Agricultor NaN NA NA NA
Analista de Artes Gráficas NaN NA NA NA
Analista de Campanhas Digitais NaN NA NA NA
Analista de sistema NaN NA NA NA
Aposentado NaN NA NA NA
Arquiteto NaN NA NA NA
Artesã NaN NA NA NA
Assessor/Foto jornalista NaN NA NA NA
Assistente de marketing NaN NA NA NA
Assistente de RH NaN NA NA NA
Assistente financeiro NaN NA NA NA
Atendente NaN NA NA NA
Autônoma NaN NA NA NA
Auxiliar administrativo NaN NA NA NA
Auxiliar de almoxarifado NaN NA NA NA
Auxiliar de Convênio empresarial NaN NA NA NA
Auxiliar de escritório NaN NA NA NA
Auxiliar de faturamento NaN NA NA NA
Auxiliar de Serviços Gerais NaN NA NA NA
Auxiliar Serviços Gerais NaN NA NA NA
Balconista NaN NA NA NA
Bancária NaN NA NA NA
Barbeiro NaN NA NA NA
Cabelereiro NaN NA NA NA
Carpinteiro NaN NA NA NA
Confeiteira NaN NA NA NA
Consultora comercial NaN NA NA NA
Contadora NaN NA NA NA
Controle de qualidade NaN NA NA NA
Coordenador de Departamento NaN NA NA NA
Coordenador de logística NaN NA NA NA
Corretor imóveis NaN NA NA NA
Desempregado NaN NA NA NA
Desenvolvedor de soluções p/ desenvolvimentos NaN NA NA NA
Diarista NaN NA NA NA
Do lar NaN NA NA NA
Empresário NaN NA NA NA
Encarregado de obras NaN NA NA NA
Enfermeira NaN NA NA NA
Estagiária NaN NA NA NA
Estudante NaN NA NA NA
Fotografo NaN NA NA NA
Funcionário Publico NaN NA NA NA
Funcionário Público NaN NA NA NA
Gerente NaN NA NA NA
Gestor de estoque NaN NA NA NA
Gestora comercial NaN NA NA NA
Inspetora de qualidade NaN NA NA NA
Jornalista NaN NA NA NA
Marinheiro Mercante NaN NA NA NA
Massoterapêuta NaN NA NA NA
Mestre de obra NaN NA NA NA
Motorista NaN NA NA NA
Operador de caixa NaN NA NA NA
Operador de Caixa NaN NA NA NA
Operador de sistema NaN NA NA NA
Padeiro NaN NA NA NA
Personal Trainer NaN NA NA NA
Pesquisador NaN NA NA NA
Professor NaN NA NA NA
Professora NaN NA NA NA
Psicologa NaN NA NA NA
Recrutadora NaN NA NA NA
Representante Comercial NaN NA NA NA
Secretária NaN NA NA NA
Serviços gerais NaN NA NA NA
Social Media NaN NA NA NA
SOS NaN NA NA NA
Supervisor carga e descarga NaN NA NA NA
Tratador de equinos NaN NA NA NA
Vendedor NaN NA NA NA

Nível de escolaridade

Média Desvio-padrão Variância CV(%)
Ensino Fundamental Completo 17.00 NA NA NA
Ensino Fundamental Incompleto 18.66 1.79 3.19 9.59
Ensino Médio Completo 16.20 3.00 9.03 18.52
Ensino Médio Incompleto 14.43 3.85 14.85 26.68
Ensino Superior Completo 8.50 5.04 25.40 59.29
Ensino Superior Incompleto 13.68 5.48 30.05 40.06
Pós-Graduação NaN NA NA NA

Altura

Row

Geral

Por Sexo

Peso

Row

Geral

Por Sexo

Idade

Row

Geral

Por Sexo

Renda

Row

Geral

Por Sexo

Gráfico de dispersão

Row

Idade x Altura

Idade x Peso

Idade x Renda

Row

Altura x Peso

Altura x Peso

Peso x Renda

Interpretação

Row

Interpretação

  • Foi observado correlação negativa entre as variáveis Idade e Altura (\(r = -0.1095164\))
  • Foi observado correlação positiva entre as variáveis Idade e Peso (\(r = 0.2521832\))
  • Foi observado correlação positiva entre as variáveis Idade e Renda (\(r = 0.2354791\))
  • Foi observado correlação positiva entre as variáveis Altura e Peso (\(r = 0.4736316\))
  • Foi observado correlação positiva entre as variáveis Altura e Renda (\(r = 0.0590211\))
  • Foi observado correlação positiva entre as variáveis Peso e Renda (\(r = 0.1150133\))

Teste

Row

Altura

\[H_{0}: Altura\ média\ sexo\ masculino = Altura\ média\ do\ sexo\ feminino\] \[H_{1}: Altura\ média\ sexo\ masculino \neq Altura\ média\ do\ sexo\ feminino\]

Como o p-valor calculado (\(1.2934247\times 10^{-18}\)) é menor que o nível de significância adotado (\(\alpha = 0.05\)), rejeita-se \(H_0\). Logo, as médias de altura entre os sexos são diferentes.

Manualmente:

\[\bar{X}_{masculino} = 174,74; S = 8,48; n = 80 \]

\[\bar{X}_{feminino} = 162,89; S = 7,16; n = 105\]

Estatística do teste (teste t para duas médias populacionais com variância desconhecida e desigual

\[t_{cal} = \frac{\bar{X}_1-\bar{X}_1-\Delta}{\sqrt{\frac{S^2_1}{n_1}+\frac{S^2_1}{n_2}}}\]

\[t_{cal} = \frac{174,74-162,89-0}{\sqrt{\frac{8,48^2}{80}+\frac{7,16^2}{105}}} = -10,064\] Graus de liberdade de Welch-Satterthwaite

\[v = \frac{(\frac{S^2_1}{n_1}+\frac{S^2_2}{n_2})^2}{\frac{(S^2_1/n_1)^2}{n_1-1}+\frac{(S^2_2/n_2)^2}{n_2-1}}\]

\[v = \frac{(\frac{8,48^2}{80}+\frac{7,16^2}{105})^2}{\frac{(8,48^2/80)^2}{80-1}+\frac{(7,16^2/105)^2}{105-1}} = 153,69 \approx 154\]

\[t_{\alpha=0.05;\ gl=154} = 1,976\]

Como o t calculado (\(10,064\)) é maior que o nível crítico [-1,9765; 1,9765], rejeita-se \(H_0\). Logo, as médias de altura entre os sexos são diferentes.

Peso

\[H_{0}: Peso\ média\ sexo\ masculino = Peso\ média\ do\ sexo\ feminino\] \[H_{1}: Peso\ média\ sexo\ masculino \neq Peso\ média\ do\ sexo\ feminino\]

Como o p-valor calculado (\(3.480534\times 10^{-10}\)) é menor que o nível de significância adotado (\(\alpha = 0.05\)), rejeita-se \(H_0\). Logo, as médias de peso entre os sexos são diferentes.

\[\bar{X}_{masculino} = 80,79; S = 13,55; n = 80\]

\[\bar{X}_{feminino} = 67,89; S = 12,23; n = 105 \]

Estatística do teste (teste t para duas médias populacionais com variância desconhecida e desigual

\[t_{cal} = \frac{\bar{X}_1-\bar{X}_1-\Delta}{\sqrt{\frac{S^2_1}{n_1}+\frac{S^2_1}{n_2}}}\]

\[t_{cal} = \frac{80,79-67,89-0}{\sqrt{\frac{12,23^2}{80}+\frac{13,55^2}{105}}} = -6,6926\] Graus de liberdade de Welch-Satterthwaite

\[v = \frac{(\frac{S^2_1}{n_1}+\frac{S^2_2}{n_2})^2}{\frac{(S^2_1/n_1)^2}{n_1-1}+\frac{(S^2_2/n_2)^2}{n_2-1}}\]

\[v = \frac{(\frac{13,55^2}{80}+\frac{12,23^2}{105})^2}{\frac{(13,55^2/80)^2}{80-1}+\frac{(12,23^2/105)^2}{105-1}} = 160,5 \approx 161\]

\[t_{\alpha=0.05;\ gl=161} = 1,9748\]

Como o t calculado (\(6,6926\)) é maior que o nível crítico [-1,9748; 1,9748], rejeita-se \(H_0\). Logo, as médias de peso entre os sexos são diferentes.

---
title: "Estatística"
author: ""
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    social: menu
    source_code: embed
---

```{r setup, include=FALSE}
library(ggplot2)
library(plotly)
library(plyr)
library(flexdashboard)
setwd("C:/Users/Usuario/OneDrive - uel.br/AULA_ESTATÍSTICA")
dados=readxl::read_excel("dados_pesquisa.xlsx")
```

Home
=======================================================================

Row
-----------------------------------------------------------------------

### Introdução

Os dados dessa painel de controle foram oriundos de pesquisas realizadas pelos alunos de Relações Públicas do período Matutino e Noturno e dos alunos de Geografia Matutino e Noturno. Ao todo, 185 pessoas foram entrevistas em relação à idade, sexo, nível de escolaridade, peso, altura, profissão e algumas outras variáveis, como renda fixa mensal e consumo de água.


### 

![](https://www.questionpro.com/blog/wp-content/uploads/2018/03/Amostragem-min.jpg)

Row
-----------------------------------------------------------------------

### Contribuição

```{r}
contrib=data.frame(table(dados$Curso))
graph=ggplot(contrib,aes(y=Freq,x=Var1,fill=Var1))+geom_col()+
  labs(x="Curso",y="Frequência absoluta",fill="Curso")
ggplotly(graph)
```

### Contato

Prof. Msc. Gabriel Danilo Shimizu

e-mail: shimizu@uel.br

Departamento de estatística, Centro de Ciências Exatas

Conjunto de dados
=======================================================================

### Conjunto de dados coletados pelos alunos de Geografia e Relações Públicas

```{r}
library(knitr)
DT::datatable(dados)
```

Sexo e escolaridade {data-navmenu="Variáveis qualitativas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Frequência de pessoas por sexo

```{r}
sexo=data.frame(table(dados$Sexo))
```

Somando-se os dados oriundos das pessoas entrevistadas pelos alunos da Geografia matutino, geografia noturno, relações públicas matutino e relações públicas noturno, foi coletado `r length(dados$Sexo)` pessoas, sendo `r sexo$Freq[1]` do sexo Feminino e `r sexo$Freq[2]` do sexo masculino.

### Frequência de pessoas por escolaridade

```{r}
escol=data.frame(table(dados$`Nível de Escolaridade`))
```

Do total de pessoas, `r escol$Freq[1]` possuem `r escol$Var1[1]`, `r escol$Freq[2]` possuem `r escol$Var1[2]`, `r escol$Freq[3]` possuem `r escol$Var1[3]`, `r escol$Freq[4]` possuem `r escol$Var1[4]`, `r escol$Freq[5]` possuem `r escol$Var1[5]`, `r escol$Freq[6]` possuem `r escol$Var1[6]` e `r escol$Freq[7]` possuem `r escol$Var1[7]`.

Row
-----------------------------------------------------------------------

### Frequência de pessoas por sexo

```{r}
graph=ggplot(sexo,aes(y=Freq,x=Var1,fill=Var1))+geom_col()+
  labs(x="Sexo",y="Frequência absoluta",fill="Sexo")
ggplotly(graph)
```

### Frequência de pessoas por Escolaridade

```{r}
graph=ggplot(escol,aes(y=Freq,x=Var1,fill=Var1))+geom_col()+
  theme(axis.text.x = element_blank())+labs(x="",y="Frequência absoluta",fill="Escolaridade")
ggplotly(graph)
```


Profissão {data-navmenu="Variáveis qualitativas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Frequência de pessoas por profissão

```{r}
prof=data.frame(table(dados$Emprego))
graph=ggplot(prof,aes(x=Freq,y=Var1,fill=Var1))+geom_col()+
  labs(y="Profissão",x="Frequência absoluta",fill="Profissão")
ggplotly(graph)
```

Local de Nascimento {data-navmenu="Variáveis qualitativas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Frequência de pessoas por local de nascimento

```{r}
prof=data.frame(table(dados$`Local de Nascimento`))
graph=ggplot(prof,aes(x=Freq,y=Var1,fill=Var1))+geom_col()+
  labs(y="Local de Nascimento",x="Frequência absoluta",fill="Local de Nascimento")
ggplotly(graph)
```

Altura {data-navmenu="Variáveis quantitativas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
media=round(mean(dados$Altura,na.rm=TRUE),2)
desvio=round(sd(dados$Altura,na.rm=TRUE),2)
vari=round(var(dados$Altura,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

### Por sexo

```{r}
media=round(tapply(dados$Altura,dados$Sexo,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Altura,dados$Sexo,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Altura,dados$Sexo,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```
Row
-----------------------------------------------------------------------

### Por profissão

```{r}
media=round(tapply(dados$Altura,dados$Emprego,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Altura,dados$Emprego,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Altura,dados$Emprego,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

### Nível de escolaridade

```{r}
media=round(tapply(dados$Altura,dados$`Nível de Escolaridade`,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Altura,dados$`Nível de Escolaridade`,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Altura,dados$`Nível de Escolaridade`,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

Idade {data-navmenu="Variáveis quantitativas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
media=round(mean(dados$Idade,na.rm=TRUE),2)
desvio=round(sd(dados$Idade,na.rm=TRUE),2)
vari=round(var(dados$Idade,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

### Por sexo

```{r}
media=round(tapply(dados$Idade,dados$Sexo,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Idade,dados$Sexo,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Idade,dados$Sexo,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```
Row
-----------------------------------------------------------------------

### Por profissão

```{r}
media=round(tapply(dados$Idade,dados$Emprego,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Idade,dados$Emprego,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Idade,dados$Emprego,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

### Nível de escolaridade

```{r}
media=round(tapply(dados$Idade,dados$`Nível de Escolaridade`,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Idade,dados$`Nível de Escolaridade`,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Idade,dados$`Nível de Escolaridade`,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

Peso {data-navmenu="Variáveis quantitativas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
media=round(mean(dados$Peso,na.rm=TRUE),2)
desvio=round(sd(dados$Peso,na.rm=TRUE),2)
vari=round(var(dados$Peso,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```
### Por sexo

```{r}
media=round(tapply(dados$Peso,dados$Sexo,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Peso,dados$Sexo,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Peso,dados$Sexo,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

Row
-----------------------------------------------------------------------

### Por profissão

```{r}
media=round(tapply(dados$Peso,dados$Emprego,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Peso,dados$Emprego,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Peso,dados$Emprego,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

### Nível de escolaridade

```{r}
media=round(tapply(dados$Peso,dados$`Nível de Escolaridade`,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Peso,dados$`Nível de Escolaridade`,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Peso,dados$`Nível de Escolaridade`,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

Renda Mensal {data-navmenu="Variáveis quantitativas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
media=round(mean(dados$Renda,na.rm=TRUE),2)
desvio=round(sd(dados$Renda,na.rm=TRUE),2)
vari=round(var(dados$Renda,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```
### Por sexo

```{r}
media=round(tapply(dados$Renda,dados$Sexo,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Renda,dados$Sexo,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Renda,dados$Sexo,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

Row
-----------------------------------------------------------------------

### Por profissão

```{r}
media=round(tapply(dados$Renda,dados$Emprego,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Renda,dados$Emprego,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Renda,dados$Emprego,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

### Nível de escolaridade

```{r}
media=round(tapply(dados$Renda,dados$`Nível de Escolaridade`,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Renda,dados$`Nível de Escolaridade`,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Renda,dados$`Nível de Escolaridade`,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

Consumo de água {data-navmenu="Variáveis quantitativas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
media=round(mean(dados$`Consumo de agua`,na.rm=TRUE),2)
desvio=round(sd(dados$`Consumo de agua`,na.rm=TRUE),2)
vari=round(var(dados$`Consumo de agua`,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```
### Por sexo

```{r}
media=round(tapply(dados$`Consumo de agua`,dados$Sexo,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$`Consumo de agua`,dados$Sexo,sd,na.rm=TRUE),2)
vari=round(tapply(dados$`Consumo de agua`,dados$Sexo,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```
Row
-----------------------------------------------------------------------

### Por profissão

Nota: Os alunos que coletaram dados de consumo de água não coletaram a informação de profissão.

```{r}
media=round(tapply(dados$`Consumo de agua`,dados$Emprego,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$`Consumo de agua`,dados$Emprego,sd,na.rm=TRUE),2)
vari=round(tapply(dados$`Consumo de agua`,dados$Emprego,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

### Nível de escolaridade

```{r}
media=round(tapply(dados$`Consumo de agua`,dados$`Nível de Escolaridade`,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$`Consumo de agua`,dados$`Nível de Escolaridade`,sd,na.rm=TRUE),2)
vari=round(tapply(dados$`Consumo de agua`,dados$`Nível de Escolaridade`,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```


Altura {data-navmenu="Gráfico de caixas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
graph=ggplot(dados,aes(y=Altura,x=""))+
  geom_boxplot(fill="lightgreen")+labs(x="",y="Altura (cm)")
ggplotly(graph)
```

### Por Sexo

```{r}
graph=ggplot(dados,aes(y=Altura,x=Sexo,fill=Sexo))+
  geom_boxplot()+labs(y="Altura (cm)")
ggplotly(graph)
```

Peso {data-navmenu="Gráfico de caixas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
graph=ggplot(dados,aes(y=Peso,x=""))+
  geom_boxplot(fill="lightgreen")+labs(x="",y="Peso (kg)")
ggplotly(graph)
```

### Por Sexo

```{r}
graph=ggplot(dados,aes(y=Peso,x=Sexo,fill=Sexo))+
  geom_boxplot()+labs(y="Peso (Kg)")
ggplotly(graph)
```

Idade {data-navmenu="Gráfico de caixas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
graph=ggplot(dados,aes(y=Idade,x=""))+
  geom_boxplot(fill="lightgreen")+labs(x="",y="Idade (anos)")
ggplotly(graph)
```

### Por Sexo

```{r}
graph=ggplot(dados,aes(y=Idade,x=Sexo,fill=Sexo))+
  geom_boxplot()+labs(y="Idade (anos)")
ggplotly(graph)
```

Renda {data-navmenu="Gráfico de caixas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
graph=ggplot(dados,aes(y=Renda,x=""))+
  geom_boxplot(fill="lightgreen")+labs(x="",y="Renda (R$/mês)")
ggplotly(graph)
```

### Por Sexo

```{r}
graph=ggplot(dados,aes(y=Renda,x=Sexo,fill=Sexo))+
  geom_boxplot()+labs(y="Renda (R$/mês)")
ggplotly(graph)
```

Gráfico de dispersão {data-navmenu="Correlação"}
=======================================================================

Row
-----------------------------------------------------------------------

### Idade x Altura

```{r}
library(AgroR)
graph1=plot_cor(dados$Idade,dados$Altura,ic = FALSE,xlab = "Idade (anos)",ylab="Altura (cm)")
ggplotly(graph1)
```

### Idade x Peso

```{r}
graph2=plot_cor(dados$Idade,dados$Peso,ic = FALSE,xlab = "Idade (anos)",ylab="Peso (kg)")
ggplotly(graph2)
```

### Idade x Renda

```{r}
graph3=plot_cor(dados$Idade[!is.na(dados$Renda)],dados$Renda[!is.na(dados$Renda)],ic = FALSE,xlab = "Idade (anos)",ylab="Renda (R$/mês)")
ggplotly(graph3)
```


Row
-----------------------------------------------------------------------

### Altura x Peso

```{r}
graph4=plot_cor(dados$Altura,dados$Peso,ic = FALSE,xlab="Altura (cm)",ylab="Peso (kg)")
ggplotly(graph4)
```

### Altura x Peso

```{r}
graph5=plot_cor(dados$Altura[!is.na(dados$Renda)],dados$Renda[!is.na(dados$Renda)],ic = FALSE,xlab="Altura (cm)",ylab="Renda (R$/mês)")
ggplotly(graph5)
```

### Peso x Renda

```{r}
graph6=plot_cor(dados$Peso[!is.na(dados$Renda)],dados$Renda[!is.na(dados$Renda)],ic = FALSE,xlab="Peso (kg)",ylab="Renda (R$/mês)")
ggplotly(graph6)
```

Interpretação {data-navmenu="Correlação"}
=======================================================================

Row
-----------------------------------------------------------------------

### Interpretação

 - Foi observado correlação negativa entre as variáveis Idade e Altura ($r = `r graph1$plot$corre`$)
  - Foi observado correlação positiva entre as variáveis Idade e Peso ($r = `r graph2$plot$corre`$)
 - Foi observado correlação positiva entre as variáveis Idade e Renda ($r = `r graph3$plot$corre`$)
  - Foi observado correlação positiva entre as variáveis Altura e Peso ($r = `r graph4$plot$corre`$)
 - Foi observado correlação positiva entre as variáveis Altura e Renda ($r = `r graph5$plot$corre`$)
  - Foi observado correlação positiva entre as variáveis Peso e Renda ($r = `r graph6$plot$corre`$)


Teste {data-navmenu="Comparações"}
=======================================================================

Row
-----------------------------------------------------------------------

### Altura

$$H_{0}: Altura\ média\ sexo\ masculino = Altura\ média\ do\ sexo\ feminino$$
$$H_{1}: Altura\ média\ sexo\ masculino \neq Altura\ média\ do\ sexo\ feminino$$
```{r}
teste=t.test(dados$Altura~dados$Sexo)
```

Como o p-valor calculado ($`r teste$p.value`$) é menor que o nível de significância adotado ($\alpha = 0.05$), rejeita-se $H_0$. Logo, as médias de altura entre os sexos são diferentes.

**Manualmente:**

$$\bar{X}_{masculino} = 174,74; S = 8,48; n = 80 $$

$$\bar{X}_{feminino} = 162,89; S = 7,16; n = 105$$

**Estatística do teste (teste t para duas médias populacionais com variância desconhecida e desigual**

$$t_{cal} = \frac{\bar{X}_1-\bar{X}_1-\Delta}{\sqrt{\frac{S^2_1}{n_1}+\frac{S^2_1}{n_2}}}$$

$$t_{cal} = \frac{174,74-162,89-0}{\sqrt{\frac{8,48^2}{80}+\frac{7,16^2}{105}}} = -10,064$$
**Graus de liberdade de Welch-Satterthwaite**

$$v = \frac{(\frac{S^2_1}{n_1}+\frac{S^2_2}{n_2})^2}{\frac{(S^2_1/n_1)^2}{n_1-1}+\frac{(S^2_2/n_2)^2}{n_2-1}}$$

$$v = \frac{(\frac{8,48^2}{80}+\frac{7,16^2}{105})^2}{\frac{(8,48^2/80)^2}{80-1}+\frac{(7,16^2/105)^2}{105-1}} = 153,69 \approx 154$$

$$t_{\alpha=0.05;\ gl=154} = 1,976$$

Como o t calculado ($10,064$) é maior que o nível crítico [-1,9765; 1,9765], rejeita-se $H_0$. Logo, as médias de altura entre os sexos são diferentes.

### Peso

$$H_{0}: Peso\ média\ sexo\ masculino = Peso\ média\ do\ sexo\ feminino$$
$$H_{1}: Peso\ média\ sexo\ masculino \neq Peso\ média\ do\ sexo\ feminino$$

```{r}
teste=t.test(dados$Peso~dados$Sexo)
```

Como o p-valor calculado ($`r teste$p.value`$) é menor que o nível de significância adotado ($\alpha = 0.05$), rejeita-se $H_0$. Logo, as médias de peso entre os sexos são diferentes.

$$\bar{X}_{masculino} = 80,79; S = 13,55; n = 80$$

$$\bar{X}_{feminino} = 67,89; S = 12,23; n = 105 $$

**Estatística do teste (teste t para duas médias populacionais com variância desconhecida e desigual**

$$t_{cal} = \frac{\bar{X}_1-\bar{X}_1-\Delta}{\sqrt{\frac{S^2_1}{n_1}+\frac{S^2_1}{n_2}}}$$

$$t_{cal} = \frac{80,79-67,89-0}{\sqrt{\frac{12,23^2}{80}+\frac{13,55^2}{105}}} = -6,6926$$
**Graus de liberdade de Welch-Satterthwaite**

$$v = \frac{(\frac{S^2_1}{n_1}+\frac{S^2_2}{n_2})^2}{\frac{(S^2_1/n_1)^2}{n_1-1}+\frac{(S^2_2/n_2)^2}{n_2-1}}$$

$$v = \frac{(\frac{13,55^2}{80}+\frac{12,23^2}{105})^2}{\frac{(13,55^2/80)^2}{80-1}+\frac{(12,23^2/105)^2}{105-1}} = 160,5 \approx 161$$

$$t_{\alpha=0.05;\ gl=161} = 1,9748$$

Como o t calculado ($6,6926$) é maior que o nível crítico [-1,9748; 1,9748], rejeita-se $H_0$. Logo, as médias de peso entre os sexos são diferentes.